最近看《機器學習系統設計》…前兩章。學到了一些用Matplotlib進行數據可視化的方法。在這里整理一下。

聲明：由于本文的代碼大部分是參考書中的例子，所以不提供完整代碼，只提供示例片段，也就是只能看出某一部分用法，感興趣的需要在自己的數據上學習測試。

最開始，當然還是要導入我們需要的包：

1. 畫散點圖

畫散點圖用plt.scatter(x,y)。畫連續曲線在下一個例子中可以看到，用到了plt.plot(x,y)。

plt.xticks(loc，label)可以自定義x軸刻度的顯示，第一個參數表示的是第二個參數label顯示的位置loc。

plt.autoscale(tight=True)可以自動調整圖像顯示的最佳化比例 。

畫出散點圖如下：

2. 多項式擬合并畫出擬合曲線

## 多項式擬合

效果圖：

3. 畫多個子圖

這里用到的是sklearn的iris_dataset(鳶尾花數據集)。

此數據集包含四列，分別是鳶尾花的四個特征：

• sepal length (cm)——花萼長度
• sepal width (cm)——花萼寬度
• petal length (cm)——花瓣長度
• petal width (cm)——花瓣寬度

這里首先對數據進行一定的處理，主要就是對特征名稱進行兩兩排列組合，然后任兩個特征一個一個做x軸另一個做y軸進行畫圖。

這里有一個排列組合參考代碼，最后是取出了兩兩組合的情況。

排列組合的結果是feature_names_2包含了排列組合的所有情況，它的每一個元素包含了一個排列組合的所有情況，比如第一個元素包含了所有單個元素排列組合的情況，第二個元素包含了所有的兩兩組合的情況……所以這里取出了第二個元素，也就是所有的兩兩組合的情況

下面是在for循環里畫多個子圖的方法。對我來說，這里需要學習的有不少。比如

for i,k in enumerate(feature_names_2[1]):這一句老是記不住。

比如從列表中取出某元素所在的索引的方法：index1 = feature_names.index(k[0])，也即index = list.index(element)的形式。

比如for循環中畫子圖的方法：plt.subplot(2,3,1+i)

比如for循環的下面這用法：for t,marker,c in zip(range(3),”>ox”,”rgb”):

這里的可視化效果如下：

4. 畫水平線和垂直線

比如在上面最后一幅圖中，找到了一種方法可以把三種鳶尾花分出來，這是我們需要畫出模型(一條直線)。這個時候怎么畫呢?

下面需要注意的就是plt.vlines(x,y_min,y_max)和plt.hlines(y,x_min,x_max)的用法。

此時可視化效果如下：

5. 動態畫圖

plt.ion()打開交互模式。plt.show()不再阻塞程序運行。

注意plt.axis()的用法。

可視化效果：

End.

轉載請注明來自36大數據（36dsj.com)： 36大數據 ? 優雅的藝術之Python數據可視化